第１４期２０２０年７月无线互联科技
ＷｉｒｅｌｅｓｓＩｎｔｅｒｎｅｔＴｅｃｈｎｏｌｏｇｙＮｏ．１４
Ｊｕｌｙ，２０２０
深圳凤凰山景点介绍基金项目：山西农业大学博士科研启动项目；项目名称：农业物联网模型检测技术研究；编号：２０１７ＹＪ３０。作者简介：马亚州（１９９９—），男，山西长治人，本科生；研究方向：计算机科学与技术。
马亚州，张 勇，侯益明，王紫薇
（山西农业大学信息科学与工程学院，山西 太谷 ０３０８０１）
摘 要：２０２０年，由于新冠病毒的来袭，能够正确接收有关报道显得格外重要。在众多新闻词条中，可能会错失有
关新冠疫情的报道。文章基于朴素贝叶斯算法实现了新闻分类，可以将有关新冠疫情的相关报道识别出来，识别准2022今天刚刚发生地震了
确率较高，
可达９５．５４％，有一定的使用价值。关键词：朴素贝叶斯；分类；识别0
引言２０２０年，新冠病毒来势汹汹，席卷全球。随着新型冠状病毒性肺炎疫情的蔓延，防控工作越来越艰巨，面临的问题也越来越严峻。在这没有硝烟的“战场”上，普通民众能做的就是保护好自己，因此，能够正确接收正规新闻报道，清楚地认清当下疫情情势和防控措施，才可以更好地保护自己，对社会有所贡献。
为了能够快速阅读到关于疫情的新闻，本文基于朴素贝叶斯算法来对当前一些实时新闻进行分类，将实时新闻分为疫情类与非疫情类。该算法用于分类的准确率较高且有一定使用意义，值得进一步研究。1
朴素贝叶斯算法朴素贝叶斯（ＮａｉｖｅＢａｙｅｓ，ＮＢ）是基于“特征之间是
独立的”［１］
这一朴素假设，应用贝叶斯定理的监督学习
算法。对应给定的样本Ｘ的特征向量ｘ１，ｘ２，．．．，ｘｍ；
该样本Ｘ的类别ｙ的概率可以由贝叶斯公式得到：
Ｐ（ｙ｜ｘ１，ｘ２，…，ｘｍ
）＝Ｐ()ｙ Ｐ（ｘ１，ｘ２，…，ｘｍ｜
ｙ）Ｐ（ｘ１，ｘ２，…，ｘｍ）
（
１）特征之间是相互独立的，可得：
Ｐｙ｜ｘ１，ｘ２，…，ｘ()ｍ＝Ｐ()ｙ Ｐｘ１，ｘ２，…，ｘｍ()｜ｙＰｘ１，ｘ２，…，ｘ()ｍ
＝
Ｐ（ｙ）∏Ｎ
ｉ＝１
Ｐ（ｘｉ｜
ｙ）Ｐｘ１，ｘ２，…，()
ｘｍ（２）
在给定样本的情况下，Ｐ（ｘ１，ｘ２，．．．，ｘｍ）是
常数：
东莞有什么好玩的Ｐ（ｙ｜ｘ１，ｘ２，…，ｘ)ｍ∝Ｐ
（ｙ）∏Ｎ
ｉ＝１
Ｐ（ｘｉ
｜ｙ）（３）
要求得到最终的模型为：青岛七天连锁酒店
ｙ︿
中山三乡泉眼温泉攻略＝ａｒｇｍａｘＰ（ｙ）∏Ｎ
ｉ＝１
Ｐｘｉ()｜ｙ
（４）
个单词在词汇表中出现的概率，之后对于待分类的新闻可分别计算其属于两个类别的概率，然后比较其大小，
最终予以分类［
２］
。算法流程如图１所示。图１ 朴素贝叶斯算法流程
2
数据准备（１）通过Ｊａｖａ爬虫代码分别从中国日报网英文版（ｈｔｔｐ：／／ｗｗｗ．ｃｈｉｎａｄａｉｌｙ．ｃｏｍ．ｃｎ／）、人民网英文版（ｈｔ ｔｐ：／／ｅｎｇｌｉｓｈ．ｐｅｏｐｌｅｄａｉｌｙ．ｃｏｍ．ｃｎ／）、中国日报英文版（ｈｔｔｐ：／／ｅｕｒｏｐｅ．ｃｈｉｎａｄ
ａｉｌｙ．ｃｏｍ．ｃｎ／）、新浪英文版（ｈｔ ｔｐ：／／ｅｎｇｌｉｓｈ．ｓｉｎａ．ｃｏｍ／）等各大权威网站搜集近一个月以来的新闻报道标题，从中共筛选得到１０８５条关于新冠疫情的新闻报道标题，从中随机选取２００条用于测试错误率，其余用于训练，另外，选取同样数目的其他新闻标题也用于训练。将每个样本分别单独放到一个文
本文档中，构成训练数据集和测试数据集［３］
。（２）训练数据时，将所有训练数据集和测试数据集构成一个词汇表并且将其向量化，将得到包含所有单词的单词表及向量表，如表１所示。
—
０２１—
>奥帕拉拉水公园
